2. 中国石油化工集团公司胜利石油工程有限公司测井公司, 山东东营 257096;
3. 中国石油天然气股份有限公司长庆油田分公司第十二采油厂, 甘肃庆阳 745400
2. Well Logging Company, Shengli Petroleum Engineering Co.Ltd, SINOPEC, Dongying 257096, China;
3. No.12 Oil Production Plant, Changqing Oilfield Company, CNPC, Qingyang 745400, China
川东北地区碳酸盐岩储层物性差、非均质性强, 因而其流体识别难度大[1-3]。而流体识别作为勘探开发的重要一环, 其效果直接影响了开发效率[4]。因此碳酸盐岩储层流体识别研究非常关键。
构建流体识别因子是储层流体识别的重要手段, 剪切模量、体积模量等弹性力学参数较早就用于构建流体识别因子。SMITH等[5]首次提出“流体因子”的概念, 通过不同权函数将纵、横波反射系数等进行叠加, 得到用于预测流体的流体因子, 取得了较好的效果。随后国外学者依托弹性参数构建了不同的流体识别因子。FATTI等[6]重新组合了Aki-Richards近似方程, 利用加权叠加的方法提取纵、横波波阻抗反射率, 改进了Smith流体因子, 使流体指示效果更稳定; GOODWAY等[7]提出了LMR法, 将拉梅参数、剪切模量与密度的乘积作为流体识别因子; RUSSELL等[8]指出Gassmann流体项与流体类型关系密切, 并将Gassmann流体项与密度的乘积(ρf)作为流体识别因子。国内也逐渐开展了流体识别因子研究, 取得了较好的应用效果。宁忠华等[9]基于地震资料提取纵、横波速度, 构建了一种高灵敏度流体识别因子; 李景叶等[10]提出了一种不受孔隙度影响的流体识别因子; 贺振华等[11]通过优化组合高灵敏度流体识别因子和组合型流体识别因子提出了扩展流体识别因子; 许平等[12]根据研究区实际情况构建了波阻抗量纲4次、2次和0次方组合的高敏感度流体识别因子(σFIFP); 李杨等[13]将纵横波速度比与Gassmann流体项的乘积作为流体识别因子, 其流体识别能力得到了提高。目前流体识别因子的构建多基于地震资料, 存在两个方面的不足:一方面弹性力学参数提取可能不够精确; 另一方面没有综合利用电性参数对流体的敏感性。本文基于阵列声波测井提高弹性力学参数提取精度, 以传统流体识别因子和电阻率参数对气、水相对含量的一致性指示为依据, 联合阵列声波和电阻率测井数据构建新的流体识别因子, 并在川东北碳酸盐岩气藏流体识别中取得了较好的应用效果。
1 方法原理 1.1 流体敏感参数提取由阵列声波等测井资料提取纵波时差、横波时差、纵横波速度比、泊松比、杨氏模量、剪切模量、体积模量、体积压缩系数8个参数。部分参数计算公式如下[14-15]:
|
(1) |
|
(2) |
|
(3) |
|
(4) |
|
(5) |
式中:σ为泊松比; E为杨氏模量; μ为剪切模量; K为体积模量; Cb为体积压缩系数; Δts和Δtp分别为地层横波和纵波时差; ρ为地层密度。
为表征参数对流体的敏感性, 构建如下流体指示系数[16]:
|
(6) |
式中:P1为反映水层和气层差异的流体指示系数; P2为反映气水同层和气层差异的流体指示系数; Pw, Pc, Pg分别为弹性参数在水层、气水同层、气层中的平均值; D(Pg)为弹性参数在气层中的方差。
流体指示系数越大表示该弹性参数对流体性质变化越敏感, 即流体识别能力越强。图 1是研究区3口关键井(X1, X2, X3) 碳酸盐岩储层8个弹性参数的流体指示系数, 显示纵横波速度比和体积模量对流体性质变化最敏感, 为构建流体识别因子奠定了基础。
|
图 1 各弹性参数的流体指示系数 |
Gassmann方程认为岩石由干岩石和流体两部分组成, 流体饱和岩石的体积模量和剪切模量为[17]:
|
(7) |
式中:Ksat为流体饱和岩石体积模量; μsat为流体饱和岩石剪切模量; Kp为孔隙体积模量; Kdry为干岩石体积模量; μdry为干岩石剪切模量。
流体饱和岩石的体积模量与剪切模量可由纵、横波速度计算得到:
|
(8) |
式中:vP和vS分别为纵波速度和横波速度。由(7) 式和(8) 式可得:
|
(9) |
孔隙体积模量直接反映孔隙流体特征[8], 为此, 将其定义为Gassmann流体项流体识别因子。而干岩石体积模量和剪切模量是与流体无关的常数。定义常数项
|
(10) |
岩心分析资料充足时, c值可以通过实验求取, 否则可参照求取的岩石固体基质弹性模量, 反推出干岩石体积模量, 从而得到c值。
1.2.2 纵横波速度比改进的流体识别因子(F)由图 1可知, 研究区纵横波速度比对流体的敏感性最强, 李杨等[13]认为其对储层流体异常背景信号的去噪效果较好, 因此构建流体识别因子F:
|
(11) |
根据Biot-Gassmann理论, 孔隙体积模量与孔隙流体体积模量、基质矿物体积模量的关系为[18]:
|
(12) |
式中:β为Biot系数, 与岩石致密程度有关; φ为孔隙度; Km为基质矿物体积模量; Kf为孔隙流体体积模量。
在气、水两相均质介质中, 孔隙度和固体效应的综合影响可忽略[19], 则:
|
(13) |
根据Wood方程[20]可得:
|
(14) |
式中:Kw为水的体积模量; Kg为气的体积模量; Sw为含水饱和度。
由于Kg≪Kw[21], 故:
|
(15) |
随着含水饱和度增大, 纵波速度增大, 横波速度缓慢减小, 故纵横波速度比与含水饱和度呈正比关系[22], 即:
|
(16) |
因此:
|
(17) |
即对于气、水两相均质介质, 流体识别因子F可以指示孔隙中的气、水相对含量。
1.2.3 声-电测井联合流体识别因子(LDRF)基于阵列声波和电阻率测井资料, 可联合构建流体识别因子LDRF:
|
(18) |
式中:R0为100%含水地层电阻率; Rt为地层真电阻率。
其中, R0由三重孔隙理论[23]得到:
|
(19) |
式中:Rw为地层水电阻率, 由水分析资料得到; Rm0为100%含水地层基质电阻率, 可由缝洞不发育的水层电阻率值代替; φnc为非连通孔洞孔隙度; φf为裂缝孔隙度。
|
(20) |
式中:φb为基质孔隙度; φD为密度孔隙度; φN为中子孔隙度; φS为声波孔隙度; mf为裂缝孔隙度指数; Rmf为地层温度下泥浆滤液电阻率, 由经验公式换算得到; Rs为浅侧向电阻率; Rd为深侧向电阻率。
由于电阻率参数R0/Rt在水层中接近1, 而在气层和气水同层中小于1, 故声-电测井联合流体识别因子(LDRF)进一步放大了流体识别因子(F)在气、水层中的差异。而且参数R0/Rt无量纲, 不改变流体识别因子(F)的物理意义。
2 应用实例 2.1 工区概况川东北地区在三叠系中统雷口坡组沉积时期主要发育上扬子克拉通稳定碳酸盐台地沉积体系, 从开阔的陆表海环境逐渐演变为受限的陆表海环境。目标储层主要发育局限蒸发台地相白云岩、石膏和膏质白云岩, 处于海相碳酸盐岩演化阶段的后期。
研究区雷口坡组储层微裂缝发育, 孔隙度在0.96%~14.20%, 平均为4.42%;渗透率在0.001×10-3~71.030×10-3μm2, 平均为3.363×10-3μm2。工区储层较致密, 部分层位因裂缝发育而渗透率较高。
2.2 效果分析选取研究区的3口关键井(X1, X2, X3) 建立流体识别图版, 实际处理中参数取值如表 1所示。
|
表 1 部分参数取值 |
按照上述方法分别计算Gassmann流体项流体识别因子(Kp)、Gassmann流体项与密度的乘积(ρf)、纵横波速度比改进的流体识别因子(F)、声-电测井联合流体识别因子LDRF等4种流体识别因子。根据公式(6) 计算4种流体识别因子的流体指示系数, 结果如图 2所示。由图 2可见, Gassmann流体项与密度的乘积(ρf)对流体的敏感性最差, 原因可能是储层致密和骨架矿物复杂, 使密度对孔隙流体变化不敏感; 由于纵横波速度比对流体变化的敏感性较好(图 1), 纵横波速度比改进的流体识别因子(F)对流体的敏感性大于Gassmann流体项流体识别因子(Kp); 尽管物性较差, 但微裂缝发育沟通了导电路径, 进而增强了储层的导电性, 因此声-电测井联合流体识别因子(LDRF)对流体的敏感性最好, 可以较好地识别流体。
|
图 2 流体识别因子的流体指示系数 |
对3口井的碳酸盐岩试采层段进行F和纵横波速度比交会分析, 如图 3a所示; LDRF和纵横波速度比交会分析结果, 如图 3b所示。从图 3a可以看出, 气层和水层数据点分离情况较好, 但气水同层数据点分离情况较差; 从图 3b可以看出, 气层、水层、气水同层数据点分离较明显, 说明本文构建的流体识别因子识别效果更好。根据交会图版可确定区域流体识别标准, 如表 2所示。
|
图 3 流体识别图版效果对比 a F-vP/vS交会分析结果; b LDRF-vP/vS交会分析结果 |
|
|
表 2 区域流体识别标准 |
将识别标准应用于研究区两口非建模井(X4, X5) 的资料解释, 解释成果如图 4和图 5所示。X4井4720~4760m井段为碳酸盐岩地层, 孔隙度一般小于4.0%, 渗透率多在0.008×10-3~0.185×10-3μm2。水层段3种流体识别因子较接近, 而气层和气水同层段LDRF明显小于另外两种流体识别因子。利用流体识别因子(LDRF)得到的解释成果与现场解释结论及试采结论较一致, 4720~4758m井段多层合试显示储层为气水同层, 产气量2.786×104m3/d, 产水量436.8m3/d。
|
图 4 研究区X4井解释成果(1 ft≈30.48cm) |
|
图 5 研究区X5井解释成果(1 ft≈30.48cm) |
X5井4770~4794m井段为碳酸盐岩地层, 孔隙度一般小于10.0%, 渗透率多在0.001×10-3~2.557×10-3μm2。利用流体识别因子(LDRF)得到的解释成果与现场解释结论及试采结论较一致, 4770~4782m井段多层合试显示储层为低产工业气层, 产气量2.28×104m3/d。
3 结论1) 本区储层纵横波速度比和体积模量对流体的敏感性最好, 弹性力学参数对流体的敏感性分析为构建流体识别因子提供了指向。
2) 在气水两相均质介质中, 电阻率参数(R0/Rt)与纵横波速度比改进的流体识别因子(F)在指示气水相对含量上具有一致性, 因此可构建声-电测井联合流体识别因子(LDRF), 其流体识别能力强于其它流体识别因子(Kp, ρf, F)。
3) 将声-电测井联合流体识别因子与纵横波速度比构建的流体识别交会图版较好地应用于研究区储层流体识别, 解释结论与试采结论较吻合, 为碳酸盐岩储层流体识别研究提供了有益参考。
| [1] |
邱春宁. 孔洞型碳酸盐岩储层流体性质识别方法研究[J].
石油天然气学报, 2011, 33(2): 78-80 QIU C N. Methods for identifying fluid property in cavern carbonate reservoirs[J]. Journal of Oil and Gas Technology, 2011, 33(2): 78-80 |
| [2] |
邵维志, 陆福. 碳酸盐岩储层流体性质识别新技术[J].
测井技术, 2002, 26(1): 60-63 SHAO W Z, LU F. A new method to identify fluid property in carbonate reservoir[J]. Well Logging Technology, 2002, 26(1): 60-63 |
| [3] | GHADAMI N, RASAEI M R, HEJRI S, et al. Consistent porosity-permeability modeling, reservoir rock typing and hydraulic flow unitization in a giant carbonate reservoir[J]. Journal of Petroleum Science and Engineering, 2015, 131(C): 58-69 |
| [4] |
陈洪斌. 测井识别储层流体性质的方法研究及应用[J].
天然气勘探与开发, 2003, 26(3): 36-42 CHEN H B. Research and application of fluid identification by well logging[J]. Natural Gas Exploration and Development, 2003, 26(3): 36-42 |
| [5] | SMITH G C, GIDLOW P M. Weighted stacking for rock property estimation and detection of gas[J]. Geophysical Prospecting, 1987, 35(9): 993-1014DOI:10.1111/gpr.1987.35.issue-9 |
| [6] | FATTI J L, SMITH G C, VAIL P J, et al. Detection of gas in sandstone reservoirs using AVO analysis:a 3-D seismic case history using the geostack technique[J]. Geophysics, 1994, 59(9): 1362-1376DOI:10.1190/1.1443695 |
| [7] | GOODWAY B, CHEN T W, DOWNTON J. Improved AVO fluid detection and lithology discrimination using Lamé petrophysical parameters:"λρ", "μρ", & "λ/μ fluid stack", from P and S inversions[J]. Expanded Abstracts of 67th Annual Internat SEG Mtg, 1997: 183-186 |
| [8] | RUSSELL B H, HEDLIN K, HILTERMAN H J, et al. Fluid-property discrimination with AVO:a Biot-Gassmann perspective[J]. Geophysics, 2003, 68(1): 29-39DOI:10.1190/1.1543192 |
| [9] |
宁忠华, 贺振华, 黄德济. 基于地震资料的高灵敏度流体识别因子[J].
石油物探, 2006, 45(3): 239-241 NING Z H, HE Z H, HUANG D J. High sensitive fluid identification based on seismic data[J]. Geophysical Prospecting for Petroleum, 2006, 45(3): 239-241 |
| [10] |
李景叶, 陈小宏. 基于地震资料的储层流体识别[J].
石油学报, 2008, 29(2): 235-238 LI J Y, CHEN X H. Reservoir fluid identification based on seismic data[J]. Acta Petrolei Sinica, 2008, 29(2): 235-238DOI:10.7623/syxb200802014 |
| [11] |
贺振华, 王栋. 扩展流体识别因子及应用[J].
矿物岩石, 2009, 29(4): 100-103 HE Z H, WANG D. Expended fluid detection factor and its application[J]. Journal of Mineralogy and Petrology, 2009, 29(4): 100-103 |
| [12] |
许平, 雷芬丽, 文晓涛, 等. 碳酸盐岩储层流体识别因子分析[J].
油气地球物理, 2010, 8(4): 1-4 XU P, LEI F L, WEN X T, et al. Analysis on the identification factors of the carbonate rock reservoir fluid[J]. Petroleum Geophysics, 2010, 8(4): 1-4 |
| [13] |
李杨, 贺振华, 黄德济, 等. 流体识别因子试验分析及应用[J].
石油物探, 2010, 49(6): 620-624 LI Y, HE Z H, HUANG D J, et al. Test analysis and application of fluid identification factor[J]. Geophysical Prospecting for Petroleum, 2010, 49(6): 620-624 |
| [14] |
杨婧, 李玲, 张丹丹, 等. 利用岩石力学参数识别气层的方法研究[J].
国外测井技术, 2010(4): 40-41 YANG J, LI L, ZHANG D D, et al. Gas zone identification using rock mechanics parameters[J]. World Well Logging Technology, 2010(4): 40-41 |
| [15] |
张筠, 林邵文. 利用测井进行地层弹性特征及应力场分析[J].
测井技术, 2001, 25(6): 467-472 ZHANG J, LIN S W. Analysis of formation elastic characteristics and stress field with log data[J]. Well Logging Technology, 2001, 25(6): 467-472 |
| [16] | DILLON L, SCHWEDERSKY G, VASQUEZ G, et al. A multiscale DHI elastic attributes evaluation[J]. The Leading Edge, 2003, 22(10): 1024-1029DOI:10.1190/1.1623644 |
| [17] | GASSMANN F. Elastic waves through a peaking of spheres[J]. Geophysics, 1951, 16(4): 673-685DOI:10.1190/1.1437718 |
| [18] | SMITH T M, SONDERGELD C H, RAI C S. Gassmann fluid substitutions:a tutorial[J]. Geophysics, 2003, 68(2): 430-440DOI:10.1190/1.1567211 |
| [19] |
印兴耀, 宗兆云, 吴国忱. 岩石物理驱动下地震流体识别研究[J].
中国科学:地球科学, 2015, 45(1): 8-21 YIN X Y, ZONG Z Y, WU G C. Research on seismic fluid identification driven by rock physics[J]. Science China:Earth Sciences, 2015, 45(1): 8-21 |
| [20] | WOOD A B. A textbook of sound[M]. 3rd ed. New York: The MacMillan Co, 1955: 360. |
| [21] |
王才志, 张丽君. 基于地层弹性模量建立含气饱和度模型[J].
石油勘探与开发, 2007, 34(5): 598-602 WANG C Z, ZHANG L J. Model of gas saturation determination based on elastic modulus[J]. Petroleum Exploration and Development, 2007, 34(5): 598-602 |
| [22] |
赵辉, 司马立强, 戴诗华, 等. 利用纵横波速度判别火成岩气、水层的理论基础及应用[J].
测井技术, 2012, 36(6): 602-606 ZHAO H, SIMA L Q, DAI S H, et al. The theoretical principle and application of distinguishing igneous gas and water layers using vP/vS[J]. Well Logging Technology, 2012, 36(6): 602-606 |
| [23] | AGUILERA R F, AGUILER R. A triple porosity model for petrophysical analysis of naturally reservoirs[J]. Petrophysics, 2004, 45(2): 157-166 |
| [24] |
张丽华, 潘保芝, 单刚义. 应用三重孔隙模型评价火成岩储层[J].
测井技术, 2008, 32(1): 37-40 ZHANG L H, PAN B Z, SHAN G Y. Tri-porosity model and its application in igneous reservoir[J]. Well Logging Technology, 2008, 32(1): 37-40 |